SAN：面向复杂和长尾中文文本识别的结构感知网络

在文本识别中，复杂字形和尾部类别一直是影响模型性能的因素。具体而言，对于中文文本识别，缺乏形状感知可能导致相近复杂字符之间的混淆。由于此类字符在训练集中出现频率较低，属于尾部类别，使得模型更难捕获其形状信息。因此，在本工作中，我们提出了一种利用层次化组合信息来提升复杂字符识别性能的结构感知网络。在实现方面，我们首先提出一个辅助部首分支并将其作为正则化项集成到基础识别网络中，将层次化组合信息蒸馏到特征提取器中。随后提出了一种基于树相似度的加权机制，进一步利用层次化表示中的深度信息。实验表明，所提方法可以显著提升复杂字符和尾部字符的性能，从而获得更好的整体性能。代码可在https://github.com/Levi-ZJY/SAN获取。